Mit KI und fortschrittlicher Analytik die Herausforderung der Datenqualität im Beschaffungswesen lösen

Genaue und zuverlässige Daten sind für Beschaffungsteams entscheidend, um Risiken zu managen, Lieferantenbeziehungen zu optimieren, Möglichkeiten zur Kosteneinsparung zu erkennen und Prozesse zu rationalisieren. Sie sind auch der Schlüssel zur Nutzung von KI. Hochwertige Daten zu haben, ist jedoch leichter gesagt als getan. Beschaffungsteams müssen sich oft auf unvollständige Transaktionsdaten oder manuell erfasste Datenpunkte verlassen, die über mehrere Systeme verstreut sind. Hinzu kommt, dass ein begrenztes Verständnis dafür, wie Datenpunkte über den gesamten Beschaffungsprozess hinweg zusammenhängen oder warum sie wichtig sind (denkt noch jemand über Kategoriecodes in Bestellanforderungen nach?), es noch schwieriger macht, datenbasierte Erkenntnisse und Maßnahmen für die Entscheidungsfindung zu schaffen.

Dieser Artikel untersucht die Bedeutung der Datenqualität im Beschaffungswesen, skizziert Schlüsselkonzepte zur Sicherstellung der Datenintegrität, erörtert die Grenzen herkömmlicher Methoden und zeigt auf, wie künstliche Intelligenz (KI) das Beschaffungsdatenmanagement verbessern kann.

‍

Was sind Daten im Zusammenhang mit der Beschaffung?  

"Daten" ist ein weit verbreiteter Begriff, dessen Bedeutung jedoch stark von dem Kontext abhängt, in dem er verwendet wird. Die Wörterbuchdefinition des Begriffs besagt, dass er "faktische Informationen, die als Grundlage für Überlegungen, Diskussionen oder Berechnungen dienen" oder "Informationen in digitaler Form, die übertragen oder verarbeitet werden können" beschreibt. Diese Definition ist sehr weit gefasst und umfasst alles von Wirtschaftsindikatoren bis zu persönlichen Kontaktdaten und alles dazwischen.  

Im Zusammenhang mit der Beschaffung ist die Bedeutung von Daten seit langem bekannt und hat in den letzten zehn Jahren noch an Bedeutung gewonnen. Beschaffungsdaten können in einige wenige Schlüsselkategorien eingeteilt werden, darunter Transaktions-, Lieferanten-, Kategorie-, Markt-, Risiko-, ESG-, Preis-, Vertrags-, Leistungs- und Prozessdaten. Beschaffungsteams haben über den gesamten Prozess von der Beschaffung bis zur Abrechnung Zugriff auf Hunderte von einzigartigen Dateneigenschaften, was weit über die etwa 15 Datenpunkte hinausgeht, die in einem ERP-System für die Abwicklung von Transaktionen mit Lieferanten erforderlich sind. Diese Datenpunkte sind zwar nicht alle unmittelbar für sich genommen wertvoll, aber die Verbindungen, Abhängigkeiten und daraus resultierenden Muster ermöglichen automatisierte Erkenntnisse, Prozesse und Entscheidungen.

Was sind schlechte Daten?

Schlechte Daten gibt es in vielen Formen und Ausprägungen. Zur Veranschaulichung ein Beispiel: Ein Unternehmen könnte denselben Lieferanten in mehreren ERP-Systemen haben. Mehrere Lieferantennummern, Tippfehler oder Abkürzungen im Namen und andere Abweichungen erschweren es einem System, zu erkennen, dass es sich immer um denselben Lieferanten handelt. LIEFERANT 1, LIEFERANT 1, LIEFERANT 1 Inc., LIEFERANT 1 Incorporated. Ein Category Manager wird erkennen, dass es sich um denselben Lieferanten handelt; ein System erkennt dies möglicherweise nicht.  

‍

Ein weiteres Beispiel für schlechte Daten ist die Verbindung zwischen Lieferanten und Kategorien, was die Ausgabenanalyse und die Entwicklung von Kategoriestrategien erschwert.  

‍

Die Bedeutung von Daten hoher Qualität

Datenqualität ist im Beschaffungswesen von größter Bedeutung, da sie sich direkt auf die betriebliche Effizienz, die Ermittlung von Chancen und die Entscheidungsfindung auswirkt. Die Folgen einer schlechten Datenqualität sind weitreichend und umfassen:

‍

• Ineffiziente Abläufe: Ungenaue Daten können zu Verzögerungen in Beschaffungsprozessen führen, die manuelle Eingriffe erfordern und zu erhöhten Prozesskosten führen. Denken Sie noch einmal über diese Bestellanforderungen nach.

• Kostspielige Entscheidungen: Entscheidungen, die auf falschen Daten beruhen, können zu einer schlechten Lieferantenauswahl, verpassten Chancen und einem erhöhten Risiko führen, was wiederum zusätzliche Kosten für das Unternehmen bedeutet. Haben Sie schon einmal eine verdrehte Zahl in einem Angebot gesehen, die Ihre Entscheidung beeinflusst hat?

• Probleme mit der Einhaltung von Vorschriften: Ungenaue Aufzeichnungen können zu Compliance-Problemen führen, die sich auf behördliche Prüfungen und rechtliche Verpflichtungen im Zusammenhang mit ESG- oder Sanktionsprüfungen auswirken.

• Geschädigte Lieferantenbeziehungen: Schlechte Daten können die Beziehungen zu den Lieferanten belasten, da sie zu Missverständnissen, langwierigen und doppelten Einführungs- und Qualifikationsanfragen oder verspäteten Zahlungen führen.

‍

Hochwertige Daten sind auch für die digitale Transformation und die Einführung von KI entscheidend. Laut der CPO-Umfrage von Deloitte 2023 werden Probleme mit der Datenqualität als größtes Hindernis für die Digitalisierung der Beschaffung (und die damit verbundenen Vorteile) angesehen. In der CPO-Agenda 2025 von Hackett werden Bedenken hinsichtlich der Datenqualität als größtes Hindernis für die Einführung von KI in der Beschaffung zur Unterstützung der Geschäftsziele genannt. Dem Bericht zufolge sehen mehr als 70 % der Unternehmen Probleme mit der Datenqualität als mäßiges oder großes Problem an.  

‍

Herausforderungen bei der Qualität der Beschaffungsdaten und der Analytik

Mehrere Herausforderungen behindern eine effektive Verarbeitung und Analyse von Beschaffungsdaten:

‍

• Manuelle Prozesse: Die manuelle Datenverwaltung ist langweilig und zeitaufwändig und daher fehleranfällig. Vor allem, wenn Beteiligte an der Erstellung oder Auswahl von Daten beteiligt sind, die für Beschaffungsprozesse relevant sind, führt mangelndes Verständnis für die Art und Relevanz der Daten zu nachlässigen Dateneingaben. So ist beispielsweise der Grund für das Hinzufügen einer Kostenstelle zu einer Beschaffungsmaßnahme klar, aber die Auswahl der richtigen Warennummer ist für Beschaffungsteams weltweit ein ständiger Kampf. Dies ist ein Grund, warum Intake Management heutzutage so beliebt ist.

• Mangelnde strategische Ausrichtung: Häufig sind die Strategien zur Datenanalyse im Einkauf nicht auf die funktionale Strategie der Abteilung abgestimmt, was zu einer Diskrepanz zwischen den Dateneinblicken und den Geschäftszielen führt. Laut der Gartner Data and Analytics in Procurement Survey 2023 geben 67 % der Beschaffungsleiter an, dass ihre größte Herausforderung bei der optimalen Nutzung von Daten und Analysen (D&A) darin besteht, dass sie keine angemessene D&A-Strategie haben, die mit ihrer funktionalen Strategie abgestimmt ist.

• Datenfragmentierung: Die Beschaffungsdaten sind oft über mehrere Systeme verstreut, was ihre Konsolidierung und Analyse erschwert.

• Unzureichende Fähigkeiten und Ressourcen: Beschaffungsteams verfügen oft nicht über die notwendigen Fähigkeiten und Ressourcen, um große Datenmengen effektiv zu verwalten und zu analysieren. Vielen Fachleuten fehlt ein grundlegendes Verständnis für strukturierte Daten, wie z. B. RFI-Fragebögen, RFP-Preisstrukturen oder Ausgabenanalysen. Erkundigen Sie sich, wer weiß, wie man eine Tabelle erstellt, die in eine Pivot-Tabelle oder eine Regressionsanalyse umgewandelt werden kann.

• Unzureichende technologische Infrastruktur: Veraltete, unzureichende und unzusammenhängende Technologie schränkt die Fähigkeit zur effizienten Erfassung, Verarbeitung und Analyse von Daten ein.

‍

Diese Herausforderungen in Verbindung mit den Auswirkungen einer schlechten Datenqualität unterstreichen die Notwendigkeit effektiver Datenmanagementstrategien im Beschaffungswesen.

‍

Schlüsselkonzepte zur Sicherstellung der Datenqualität

Um sicherzustellen, dass qualitativ hochwertige Daten effektive Analysen ermöglichen, müssen sich die Beschaffungsteams auf drei wichtige Prozesse konzentrieren:

‍

Bereinigung von Daten  

Bei der Datenbereinigung werden Fehler, Unstimmigkeiten und Ungenauigkeiten in den Beschaffungsdaten identifiziert und korrigiert, um ihre Zuverlässigkeit und Genauigkeit zu gewährleisten. Dieser Prozess befasst sich mit häufigen Problemen wie doppelten Datensätzen, veralteten Informationen und uneinheitlicher Formatierung und verbessert letztendlich die Datenqualität.  

‍

Datenharmonisierung  

Die Datenharmonisierung umfasst die Integration und Standardisierung von Daten aus verschiedenen Quellen, um einen einheitlichen, konsistenten Datensatz zu erstellen. Durch die Zentralisierung von Informationen wie Lieferantendetails, Produktspezifikationen und Preisen werden Datensilos und Inkonsistenzen beseitigt. Dies ist besonders wichtig in Umgebungen mit mehreren ERP- oder Beschaffungssystemen, in denen beispielsweise ein und derselbe Lieferant in den verschiedenen Systemen unter verschiedenen Nummern geführt wird. Harmonisierte Daten ermöglichen eine effektivere Ausgabenanalyse und ein effektiveres Lieferantenmanagement.

‍

Anreicherung der Daten

Bei der Datenanreicherung werden bestehende Daten durch zusätzliche Informationen oder wertvolle Erkenntnisse ergänzt. Dazu kann die Aktualisierung von Lieferantenprofilen mit Zertifizierungen, Fähigkeiten, Bonitätsbewertungen, Risikobewertungen oder ESG-Kennzahlen gehören. Bei Kategorien kann es sich um die Einbeziehung von Markttrends, relevanten Indizes oder Währungskursen handeln. Angereicherte Daten bieten ein tieferes Verständnis des Zustands der Lieferanten, des Risikos und der strategischen Ausrichtung, so dass Category Manager einen umfassenden 360-Grad-Blick erhalten und fundiertere Entscheidungen treffen können.

‍

Wie KI helfen kann, Ihre Datenqualität zu verbessern

Künstliche Intelligenz (KI) bietet eine transformative Lösung für die Bereinigung, Harmonisierung und Anreicherung von Beschaffungsdaten. Sie kann Beschaffungsteams bei den folgenden Aufgaben helfen:  

‍

• Datenbereinigung: KI-Algorithmen können Fehler automatisch und in Echtzeit erkennen und korrigieren und so die Genauigkeit und Effizienz verbessern.

• Klassifizierung der Ausgaben: KI kann Transaktionsdaten automatisch gemäß der Kategorientaxonomie zuordnen oder neu klassifizieren und so ein besseres Verständnis der tatsächlichen Lieferbasis und Ausgaben innerhalb einer Kategorie schaffen.

• Datenharmonisierung: KI-Tools können disparate Datensätze nahtlos integrieren. Von der Übersetzung von Transaktionsdaten bis zum Abgleich von Lieferantendatensätzen können harmonisierte Daten die Konsistenz zwischen den Systemen erhöhen.

• Datenanreicherung: KI kann Daten mit externen Erkenntnissen anreichern, z. B. Markttrends, finanzielle Gesundheit, ESG oder Risikobewertungen, um einen ganzheitlichen Überblick über Lieferanten zu erhalten und die Entscheidungsfindung zu unterstützen.

• Sichtbarkeit und Transparenz: KI kann eine einheitliche Sicht auf die Beschaffungsdaten bieten, was eine schnellere Analyse und fundiertere strategische Entscheidungen ermöglicht.

• Prädiktive Analytik: KI kann Muster erkennen und Wahrscheinlichkeiten einbeziehen, um Szenarioanalysen, Vertriebs- und Betriebsplanung (S&OP) und Verhandlungsverhalten zu unterstützen.  

• Identifizierung von Chancen: KI kann Unstimmigkeiten und Muster aufzeigen und Verbesserungsinitiativen empfehlen, z. B. die Harmonisierung von Zahlungsbedingungen, die Konsolidierung von Lieferanten oder die Preisgestaltung für verschiedene Produkte und Lieferanten.

‍

Durch den Einsatz von KI können Beschaffungsteams die Herausforderungen des traditionellen Datenmanagements überwinden, operative Prozesse automatisieren und fundierte Entscheidungen auf der Grundlage hochwertiger Daten treffen. Dies unterstützt strategische Ziele wie Kosteneinsparungen und Risikomanagement und verbessert die Lieferantenbeziehungen.

‍

Schlechte Daten sind eine schlechte Ausrede

Viele Beschaffungsteams geben an, dass eine schlechte Datenqualität sie davon abhält, effizientere Prozesse durchzuführen oder bessere Entscheidungen zu treffen. Gleichzeitig gibt es nur sehr wenige Unternehmen, die eine klare Datenstrategie haben und in die Verbesserung ihrer Datenqualität investieren. Schlechte Daten sind zu einem Totschlagargument und einer Ausrede für Untätigkeit geworden.  

‍

Angesichts des rasanten Fortschritts der KI und der skizzierten Anwendungsfälle sollten schlechte Daten im Jahr 2025 keine akzeptable Ausrede mehr sein. Niemand braucht perfekte Daten, um seine KI-Reise mit dem Anwendungsfall der Datenbereinigung, -harmonisierung, -klassifizierung oder -anreicherung zu beginnen. Niemand braucht perfekte Daten, um mit der autonomen Beschaffung und Verhandlung oder dem Intake Management zu beginnen. Eine klare Datenstrategie und die Bereitschaft und Akzeptanz, dass sich die Daten im Laufe der Zeit verbessern werden und damit auch die Ergebnisse, ist alles, was es braucht, um sich für KI im Einkauf zu rüsten.

‍

Einheitliche Analytik mit Procure Ai

Procure Ai unterstützt verschiedene Anwendungsfälle der Datenanalyse und des Datenmanagements und hilft Teams beim Aufbau ihrer Datenkompetenz. Wir können Ihnen dabei helfen, einen zentralisierten Data Lake für die Beschaffung einzurichten und optimale Strategien für die Bereinigung, Harmonisierung und Anreicherung Ihrer Daten zu empfehlen. Mit Unified Analytics unterstützen wir Ausgabenanalyse, Transaktionsklassifizierung, Datenbereinigung, -harmonisierung, -anreicherung und Opportunity-Erkennung.

‍

Die Plattformarchitektur von Procure Ai ermöglicht es Ihnen, mehrere verwandte KI-Anwendungsfälle miteinander zu verknüpfen, um eine tiefgreifende Automatisierung des gesamten Beschaffungsprozesses voranzutreiben - vom Eingangsmanagement über die autonome Beschaffung bis hin zu Verhandlungen und nahtlosen Abläufen, die auf sauberen Daten basieren.  

‍

Die Grundlage für bessere Beschaffungsentscheidungen schaffen

Qualitativ hochwertige Daten sind entscheidend für effiziente Beschaffungsvorgänge und strategische Entscheidungen. Während mehrere Herausforderungen eine effektive Verarbeitung und Analyse von Beschaffungsdaten behindern, darunter Datenfragmentierung und die Abhängigkeit von manuellen Prozessen, kann KI viele dieser Herausforderungen angehen und überwinden. Durch die Automatisierung von Datenverwaltungsaufgaben und die Abstimmung der Datenanalyse auf Beschaffungsstrategien kann KI die Prozesseffizienz durch Automatisierung steigern und verwertbare Erkenntnisse über Einsparungen, das Management von Lieferantenbeziehungen und Möglichkeiten zur Risikominderung liefern.

Sind Sie bereit, Ihr Unternehmen mit zuverlässiger Datenintelligenz für fundierte Entscheidungen auszustatten? Procure Ai kann Ihnen dabei helfen, einen Data Lake für die Beschaffung aufzubauen und Unified Analytics zu nutzen, um die Herausforderung der Datenqualität zu meistern, Prozessautomatisierung zu ermöglichen und datengesteuerte Entscheidungen zu treffen. Kontaktieren Sie uns , um mehr zu erfahren.